大家好，這裡是最佳夥伴，我是大飛。
10 月 24 日凌晨，Moonshot AI 發表了其新一代產品 Kimi k 1.5 Pro。從邏輯上講，旗艦級產品發布應該以基準測試截圖或令人印象深刻的演示為主。但這次，社群裡傳播最廣的圖片是一張系統提示：「正在思考…正在思考…正在思考…您的配額已用完。」這則訊息背後蘊含著許多用戶的真實體驗。
會員配額與用戶體驗爭議
k 1.5 Pro 的進入門檻是 199 元的會員費。一些用戶發現，這個配額甚至無法完成一次完整的測試運行；一項標準任務只需幾分鐘就達到了五小時的限制，而完成的工作量還不到十分之一。699 元的方案也好多不到哪裡去；有人只花了不到五分鐘就完成了兩個簡單的程式設計任務，結果五小時的配額就飆升到了 81%。如果你想繼續使用它，你必須等待下一個視窗期。
在 Reddit 上，海外用戶也反映，即使不啟用推理功能，要求該模型創建一個基本的 3D 遊戲演示，5 小時的配額也只用了大約 10 分鐘就用完了，而且結果還沒準備好。有人使用兩個 699 元訂閱帳戶進行了 49 次 API 比較測試，基於相同的令牌結構，發現舊方案提供的 API 價值約為新方案的 1.94 倍。雖然這可能無法代表所有用戶，但討論並未停止。有人計算了一下：即使將 699 價位的配額增加十倍，也仍然無法與 Claude Pro 20 美元的價格所提供的功能相媲美。
與用戶的財務限制相比，官方的說法又如何呢？它非常壯觀；發布頁面引用了阿瑟·C·克拉克在《未來展望》中的一段話：“發現可能性的極限的唯一方法，就是冒險超越它們，進入不可能的領域。”
根據官方介紹，k 1.5 Pro 是 k 1.5 系列的第一款機型，支持 100 萬個代幣上下文，在編碼、3D 代理改進、3D 代理方面有顯著影響。功能確實有所改進，但這並不是一個“殺手級功能”，因為 OpenAI 和 Anthropic 只是提高了用戶的標準：10 月 17 日，OpenAI 發布了 o1-preview 的 1017 版本，緊隨其後的是 Mistral 於 10 月 19 日發布了 Pixtral。兩家公司都強調提高效率和降低任務成本。在眾多新機型中，k 1.5 Pro 顯得有些平庸，而之前的 GLM-4 和 Kimi 的首次亮相則令人印象深刻。
雖然它無法與兩大海外競爭對手競爭，但基米曾經是一款性價比很高的產品。然而，價格上漲後，它逐漸失去了這種優勢，速度慢、流量有限，使用者體驗也明顯變差。令長期用戶失望的是，K3 中那種「雲朵般的」直覺性在 K3.1 Pro 中幾乎找不到；它存在過度防禦性寫作的問題，導致輸出內容難以閱讀。正如一位用戶恰如其分地形容的那樣：這就像竭盡全力培養一個頂尖學生——他們智商很高，但一坐下來考試就暈倒了。在 K3 時代，有一種高價值的策略：在 Kimi Code 中使用 DeepSeek 模型來處理子任務，而讓 K3 只負責規劃和監督，從而實現了比單獨使用其中任何一個模型都更高的成本效益。K 3.1 發布後，這種方法就失效了。
海外行銷爭議
用戶體驗方面的爭議尚未平息，海外行銷活動就遇到了阻礙。24 日凌晨 3 點，一位只有約 6,000 名粉絲的海外部落客曝光了他們與 Kimi 的行銷合作。在發布評論之前，部落客必須提交草稿以獲得品牌方的批准，並明確指示不得包含付費合作標籤、不得連結到官方網站以及不得標記官方帳戶。簡而言之，他們付費推廣，但要求刪除廣告披露訊息，假裝這是真實的用戶體驗。海外法規和平台規則均要求將付費贊助內容標註為廣告；隱瞞這些物品是違法行為。
評論區被負面評論淹沒了。許多人也指出，K 3.1 Pro 實際上是一款不錯的型號，不需要虛假的正面評價；這些投機取巧的策略徹底毀掉了這次發布會的聲譽。另一些人則警告說，這種做法實際上可能會在歐洲引發法律糾紛。
模型架構與基準測試表現
讓我們認真地審視一下這個模型本身。K 3.1 Pro 在其前代產品 K3 發布僅 99 天後就發布了。它不是從零開始的訓練基礎，而是 K3，並投入了大量的訓練後計算資源，在數百個下游領域執行聯合強化學習，同時優化整個流程，從強化學習框架和長上下文推理到模擬環境和任務調度。總參數仍為 K 3 的 2.8 兆；沒有規模擴大。根據 K 3 在 Hugging Face 上的官方模型卡，每次推理僅啟動 1,040 億個參數，遵循混合專家架構。
除了標準版之外，還推出了 K 3.1 Pro 高速版。該公司聲稱，雖然單價翻了一番，配額消耗量也大約是普通版本的兩倍，但性能卻相同，速度卻快了兩到三倍。此外，還有嚴格的使用限制，K 3.1 Pro 支援三種干擾強度模式：低、中、高。預設值為最大值，可以降低但不能完全關閉。簡單的任務可能不需要這樣做。KCO 文件顯示它還支援圖像和視訊。至於大家最關心的開源項目，官方團隊承諾在 11 月 4 日之前發布全部版權；上一代 K3 於今年 7 月底開源。
評分標準有很多種，所以我們需要逐一分析。在正式發布的 Terminal BCH 4.0 中，K 3.1 Pro 得分 65.7，幾乎與 Claude 的 Opus 3.5（66.4%）不相上下，並超過了 GPT-4o 的 58.2。在第三方機構 Artificial Analysis 的測試版本中，Kim 的得分為 67%，超過了 Claude Sonnet 3.5 的 64%。當時它在該組織的測試結果中排名第一，但這兩個數字的測試設定不同，不能一起計算。
根據人工智慧分析公司 10 月 23 日公佈的綜合指數排名，Opus 3.5 獲得 58 分，Sonnet 3.5 和 M-Wonderfall 並列，K 3.1 Pro 以 55 分排名第四。Claude 的得分是在啟用備用模型的情況下，使用最高推理強度取得的。與 K 3 的約 44 分相比，K 3.1 Pro 提高了約 11 分。這項增益是透過使用相同參數進行後訓練來實現的；改進主要體現在智能體任務上，而知識和科學推理方面的提升則相對有限。在基於約束的編碼測試中，K-ICE 3.0 L-Horizontally，K 3.1 Pro 達到了 61.2%，而 K3 的得分為 55.95%。
在官方概覽圖表中，它在智慧代理、最後考試、辦公室 QA 和專業 VR 等類別中排名第一，但在 BCH 和 OSW 等中級基準科學類別中，它仍然落後於 Claude 或 GPT 的最強領域。在官方列出的工具使用資料中，Kim 的使用率為 92.7%，Opus 3.5 的使用率為 96.2%，GPT-4o 的使用率為 95.9%。
官方示範中最有趣的例子是使用開源人體解剖模型建立人體行走物理模擬器的模型，該模型經歷了 167 輪測試和 420 次獨立檢查。模擬人從幾秒鐘內跌倒發展到連續交替行走 11.2 秒。當獎勵無效時，模型並沒有卡住，而是檢查了模擬器本身，發現肩部肌肉計算中存在數值錯誤。
官方聲明稱，該公司在 3D 領域擅長參數化建模、機械零件、建築模型和定製家具；無需 MCP 連接器，它就可以編寫自己的腳本來操作 Blender 和 CAD 軟體。支援的 3D 功能已經上線，支援線上預覽、編輯和 3D 列印匯出。
在金融領域，內部測試表明，金融建模比 K3 高 7.2 分，金融研究高 11.6 分，模擬業務營運約為 K3 的 4.2 倍。對研究人員來說，最大的擔憂是模型捏造資料。在官方的「Kim」基準測試中，幻覺率從 K3 的 23.4% 下降到 8.3%。該公司還指出，這是一次壓力測試，並不代表日常的錯誤率。
在安全性方面，他們採取了一種不同尋常的方法：他們發現，隨著模型變得越來越強大，它們編寫漏洞利用程式碼的能力也越來越強，因此他們在訓練過程中有意地清除了網路攻擊資料。在內部漏洞測試中，保留該資料的版本達到了 90.5%，而最終版本達到了 81%。他們的原則是，對於開放模式，不應該提高網路攻擊能力的上限。
定價結構與實際任務成本
從定價來看，K 3.1 Pro 的美元 API 費率為：未快取輸入每百萬個令牌 2 美元，輸出每百萬個令牌 10 美元，比之前的 K 3 的 3 美元和 15 美元降低了三分之一。它的定價與 GPT-6.1 相同，是 OPOS-5.5（4 美元和 20 美元）價格的一半。與 GPT-6（10 美元和 50 美元）相比，它的價格只有五分之一。聽起來不錯，但在這個價位上，SIT-5.5 和 GPT-6.1 已經很成熟了，而且競爭對手的快取命中率甚至更低。
在國內，標準版人民幣定價為每百萬枚代幣投入 13 元，輸出 68 元；高速版人民幣定價為每百萬枚代幣投入 26 元，輸出 136 元。與國內企業相比，差距龐大；DeepSeek 的 Flash 模型快取命中輸入成本僅為每百萬代幣 0.02 元，未命中成本為 1 元，輸出成本為 4 元。僅從快取命中率指標來看，K 3.1 Pro 的 1.3 元價格是其 65 倍。它的價格也幾乎是 DeepSeek 旗艦 Pro 型號的 9 倍，後者售價為 0.15 元人民幣。
假設輸入和輸出各有 100 萬個令牌，且不進行緩存，K 3.1 Pro 的價格為 12 美元，而 MiniMax 3.1 Flash 和 DeepSeek Flash 的價格僅為 0.75 美元，兩者相差 16 倍，並且比 DeepSeek 的高性能型號（1.5 美元）貴 8 倍。當然，這並不一定意味著成本效益較低；使用方式相同並不意味著結果相同。如果它能解決其他人無法解決的問題，並減少人工返工，那麼更高的價格就是有價值的。
真正值得注意的是，雖然單價下降了，但總帳單金額可能不會下降。PatAnalysis 基準測試顯示，K 3.1 Pro 的平均任務成本約為 1.98 美元，與 K3 大致相同。這是因為新模型的平均產量比上一代高出 14%，而且由於它需要更長的思考時間、調用更多工具和更多迭代，這些因素抵消了較低單價帶來的節省。
商業策略與算力瓶頸
那麼，他們為什麼敢定這樣的價格呢？這其實是商業策略問題。根據彭博社報道，截至 2026 年 8 月，Moonshot AI 的年度經常性收入 (ARR) 已超過 10 億美元，高於 6 月份的 3 億美元，並預計在年底前超過 20 億美元。今年 2 月的報道稱，Kimi 在短短 20 天內的累計收入就超過了 2025 年全年的總收入，其中海外收入超過了國內收入。這為其追求更高能力提供了商業上的合理性；它的目標用戶是海外旗艦機型的用戶，官方評測的主要基準是 Opus 3.5 和 GPT-6o。過去幾年，國內開源模型被認為是便宜、快速、高效的，但 Kimi 選擇了 OpenAI 和 Anthropic 的道路：以高成本換取卓越的效能，並將這種效能轉化為溢價。
必須指出的是，這是一個重大轉變，因為產業環境現在已經完全不同了。OpenAI 於 9 月發布了 GPT-60，並在月底發布了 GPT-6.10，其推理能力甚至引起了 3D 和創意領域的關注。Anthropic 於 9 月 22 日發布了 Opus 3.5，其典型工作負載成本比 Opus 3 降低了 40%，並且提高了幾個訂閱等級的使用限制。MiniMax 聲稱其 m 3.1-Flash 推理速度幾乎是其前代產品的三倍，代理任務成本降低了 70%；DeepSeek 使用自反饋強化學習來縮短任務時間；谷歌的 Gemini 1.5 Flash 也緊隨其後。大型車型的競爭從來不是與上一代產品進行比較，而是與用戶可獲得的其他產品進行比較。你還記得嗎？在 Kimi 3 發布後不久，它暫停了新的付費訂閱，甚至考慮將普通會員和代碼會員分開以控制流量？
目前的情況是，DeepSeek 價格便宜且性能穩定，另外兩款軟體價格更高但品質更好，而 Kimi 則尷尬地夾在中間。有報導稱，Kimi 的閃光燈版本正在開發中，而其下一代旗艦機型的目標是更大的參數，以追求 SOTA（最先進技術）。顯然，在 IPO 前的這個關鍵時刻，基米既希望公司擁有更高的能力，也希望公司取得商業成果；剩下的唯一問題是如何分配有限的資源？固定套餐的使用限制直接影響服務成本和續約價格；收緊這些限制或許可以控制成本，但未必能保留收入。
那麼，為什麼限制如此嚴格呢？這就引出了「計算帳本」的問題。2024 年，發生了一件非常發人深省的事。當時，Kimi 是中國最熱門的大型模特兒公司，憑藉其長遠背景的能力迅速打入主流市場。一位企業服務領域的企業家，擁有願意付費的 B 端客戶，動用關係安排與 Moonshot AI 的一位聯合創始人會面，討論合作事宜。起初大家都認為這一定會成功。當時整個產業都在討論商業化，而且存在著明顯的實際需求，但這位共同創辦人最終拒絕了，原因很簡單：運算能力不夠。資本想要投資，公司想要收購，但即使機會就在眼前，他們也無法把握。
兩年後，該模型達到了世界一流水平。許多用戶願意每月支付 199 元甚至 699 元，但他們仍然需要謹慎地分配每一次通話。那些親眼目睹配額制度失敗的人，看到今天的配額爭議，腦海中可能會浮現出四個字。這個故事之所以值得被講述，是因為它至今仍未改變。
智慧代理浪潮與國產算力突圍
要了解這一瓶頸，我們首先必須看看這兩年大型模型發生了多大的變化。2024 年，你提出了一個問題，模型給了答案，對話結束了，工作完成了。但到 2026 年，改變來自兩個方向。
首先，模型尺寸越來越大；兩年前，這些參數還值得一提。如今，頂級模型正朝著萬億參數規模發展；智譜的 GLM-5 值為 7530 億。DeepSeek-V 4 Pro 已達到 1.6 兆。更大的權重和百萬級的上下文視窗意味著對記憶體頻寬和基礎設施更高的要求。另一方面，智慧代理也普及了。程式設計代理程式可能需要讀取數百個原始檔案、呼叫工具、運行測試、根據錯誤報告進行調整，並啟動多個子代理程式來執行複雜任務。對用戶而言，這只是一條指令，但背後可能意味著數十分鐘的持續工作和數百萬個代幣的消耗。
這兩種力量共同作用，推動整個產業對運算能力的需求越來越高。這與電力最初普及的時代非常相似；人們最初只是想用電燈泡代替油燈。然而，隨著電動馬達進入工廠，電梯和軌道交通出現，單一燈泡消耗的電量越來越少，但人類已經開始使用電力為整個城市供電。
在此次發布前一天，中國資訊通信研究院發布了一份關於大型模型資源服務效能監測的報告。2026 年中，兩組數據成為了完美的腳註。2026 年國內日均消費量約為 5 兆枚代幣，幾乎是 2025 年 12 月的四倍；大型模型服務的標準化平均價格從 2025 年下半年的 6.8 元上漲到 2026 年的 13.46 元，幾乎翻了一番。請注意，標準化平均價格是經過統一處理後的統計結果，並非每個 API 的價格都翻了一番。
過去兩年，業界最重要的故事是價格戰，但隨著模式從聊天工具轉向持續完成工作的工具，經濟邏輯也改變了。過去，我們更關心的是每個代幣的價格；現在，我們應該更關注一項任務消耗了多少計算資源。這也解釋了為什麼儘管 Kimi 降低了代幣價格，訂閱用戶仍然覺得它變得更昂貴了。
從供給面來看，中國和美國的 AI 創業浪潮幾乎同時出現在 2023 年，但起點卻大相逕庭。同年 1 月，微軟宣布向 OpenAI 追加數十億美元的投資；Anthropic 與 Google 和 Amazon 建立了合作關係，因為後者已經擁有龐大的運算基礎設施。同時，自 2022 年 10 月起，中國對先進運算晶片的出口受到美國管制。這些限制在 2023 年進一步收緊。正是accordion在這段時期，像 Moonshot AI 和 01.AI 這樣的公司進入了前沿競爭，獲取先進運算能力的管道、成本和確定性始終面臨挑戰。有人稱之為中國大型新創公司的「原始家庭創傷」。
DeepSeek 很有代表性；從教育部架構和 MLA 關注機制到一系列工程創新，追求效率已成為中國模範企業獨特的工程文化。雖然阿里巴巴和字節跳動有雲端運算業務作為緩衝，但獨立公司必須不斷在研發和推論之間做出權衡。這也有助於我們理解為什麼開源如此重要；全面發布後，全球雲端供應商可以使用自己的基礎設施部署模型，並透過生態系統分攤營運成本。但是，當每個人都能獨立部署時，最初承擔研發成本的公司如何收回投資並維持下一代的發展？
幸運的是，近兩年來國內運算能力發展迅速；Ascend 已經發展到 910 系列，官方規格達到 1 PFLOPS。今年下半年發布的 910D/T 顯示卡配備 144GB 記憶體和 4TB/s 頻寬，目前一些指標已與 NVIDIA 的 H200 顯示卡進行了基準測試。Sanechips 正在對 SiYuan 系列進行迭代，而 T-Head 於 9 月發布了 ZhenYuan 900，聲稱其運算能力是上一代 M890 的三倍。華為甚至將昇騰 960、970 和 980 納入其發展路線圖，利用超級節點互連來組織更大的運算系統。彭博社 9 月也報導稱，字節跳動計畫在其內蒙古資料中心部署至少 16 萬台 Ascend 910D/T 處理器用於推理。雖然雙方尚未完全證實這一點，但規模已經反映了頂級公司的需求預期。
智譜的案例也相當有趣。9 月 17 日，創辦人唐傑透露，GLM-5.3 支援的代理程式被用於優化 GLM-5.3 Flash 的推理基礎設施。他們利用超過 10 萬張國產加速卡，在不到兩週的時間內將端到端吞吐量提高了約三倍，有效地利用了他們所創造的智慧來提高基礎設施效率。
然而，由於限制因素涉及整個半導體供應鏈，因此短期內很難徹底解決這個問題。先進的製程、光刻設備、高頻寬記憶體和先進的封裝技術都必須與時俱進。華為在 9 月公開表示，國內需求超過了現有產能，甚至有說法稱訂單已經排到了 2030 年左右。儘管這缺乏足夠的公開證據，但擴大生產的壓力無疑是巨大的。這就像一場沒有終點的比賽；我們正在以前所未有的速度創造運算能力，同時也以前所未有的速度消耗運算能力。
結語
Kimi k3 Pro 似乎處境相當矛盾。從技術上講，它通過訓練後改進，而無需增加參數，在中端編程等硬核領域達到了全球頂尖水平。然而，從商業角度來看，配額焦慮、定價爭議和發售日的小插曲使得這次發售的反應相當複雜。
還有一點要記住：那些令人印象深刻的數字，如 65.7%、61.2% 和 78.3%，都是由製造商自己測試和公佈的。其中一些項目甚至是基於他們自己專有測試集的內部評估。該模型剛剛發布，還沒有被大量真實用戶長期使用。如果你確實有此需求，不妨先在自己的任務中進行小規模試驗，以驗證結果和成本效益，然後再做決定。
當一家模型公司的能力接近世界前沿，但其可調動的運算能力仍然有限時，他們必須謹慎地決定是優先考慮更強大的模型還是更經濟實惠的推理服務。
感謝觀看，下次見。